大数据技术与应用项目教程 课件 项目6 大数据激发创造力

知识目标1）熟悉大数据激发创造力、改善设计的主要途径和方法。2）了解大数据操作回路、以及大数据资产的概念。3）了解数字孪生及其应用场景。素养目标理解在大数据环境下，通过收集、整理、分析海量信息，为创新思维和实践活动提供强大支持，从而触发和增强人们的创造力。学习目标学习难点1）数字孪生技术。2）大数据操作回路。学习目标设计师往往认为创造力与数据格格不入，甚至会阻碍创造力的发展。实际上，数据并不是为设计者提供一种全新的设计，但它可以帮助改善现有的设计，有助于实现局部效果的最大化。项目6大数据激发创造力01大数据帮助改善设计02大数据操作回路03数字孪生04将数据转化为资产目录/CONTENTSPART01大数据帮助改善设计不管是游戏、汽车还是建筑物，这些不同领域的设计有一个共同的特点，就是设计过程中不断发生变化。如今，从设计到最终进行测试，这一过程会随着大数据的使用而逐渐缩短。从现有的设计中获取数据，并搞清楚问题所在，或弄懂如何大幅度改善的过程也在逐渐加快。低成本的数据采集和计算机资源，在加快设计、测试和重新设计这一过程中发挥了很大的作用。6.1大数据帮助改善设计大数据在高科技的游戏设计领域中发挥着至关重要的作用。通过分析，游戏设计者可以对商业化机会进行评估，即使是在现有的游戏基础之上，也能为用户提供令人更加满意的游戏体验。通过对游戏费用等指标的分析，游戏设计师们能吸引游戏玩家，提高保留率、每日活跃用户和每月活跃用户数、每个游戏玩家支付的费用以及游戏玩家每次玩游戏花费的时间。6.1.1与玩家共同设计游戏Kontagent公司为收集这类数据提供辅助工具，曾与成千上万的游戏工作室合作，以帮助他们测试和改进游戏。游戏公司通过定制的组件来发明游戏。他们采用的是内容管道方法，其中的游戏引擎可以导入游戏要素，这些要素包括图形、级别、目标和挑战，以供游戏玩家攻克。这种管道方法意味着，游戏公司会区分不同种类的工作，比如对软件工程师的工作和图形艺术家及级别设计师的工作进行区分。通过设置更多的关卡，游戏设计者更容易对现有的游戏进行拓展，而无须重新编写整个游戏。6.1.1与玩家共同设计游戏相反，设计师和图形艺术家只需创建新级别的脚本、添加新挑战、创造新图形和元素。这就意味着，不仅设计者可以添加新级别，游戏玩家也可以这么做，或者至少可以设计新图形。游戏设计者还会体验到，利用数据驱动来设计游戏，可以减少游戏创造过程中的相关风险。不仅是因为许多游戏很难通关成功，而且，容易通关成功的游戏往往在财务收入上也并不成功。好的游戏不仅关乎良好的图形和级别设计，还与游戏的趣味性和吸引力有关。在游戏发行之前，游戏设计师很难对这些因素进行正确的评估，所以游戏设计的推行、测试和调整至关重要。通过将游戏数据和游戏引擎进行区分，很容易对这些游戏元素做出调整。6.1.1与玩家共同设计游戏福特汽车的首席大数据分析师约翰·金德认为，汽车企业坐拥海量的数据信息，“消费者、大众及福特自身都能受益匪浅。”

图6-1低速电动车结构数据6.1.2以人为本的汽车设计理念2006年左右，随着金融危机的爆发以及新任首席执行官的就职，福特公司开始乐于接受基于数据得出的决策，而不再单纯凭借经验和直觉，公司在数据分析和模拟的基础上提出了更多新的方法。福特公司的不同职能部门都会配备数据分析小组，如信贷部门的风险分析小组、市场营销分析小组、研发部门的汽车研究分析小组。数据和数据分析在公司运营中发挥了重大作用，不仅可以解决个别战术问题，而且对公司持续战略的制订来说也是一笔重要的资产。公司强调数据驱动文化的重要性，这种自上而下的度量重点对公司的数据使用和周转产生了巨大的影响。6.1.2以人为本的汽车设计理念福特还在硅谷建立了一个实验室，以帮助公司发展科技创新。公司获取的数据主要来自于大约400万辆配备有车载传感设备的汽车。通过对这些数据进行分析，工程师能够了解人们驾驶汽车的情况、汽车驾驶环境及车辆的响应情况。所有这些数据都能帮助改善车辆的操作性、燃油的经济性和车辆的排气质量。利用这些数据，公司对汽车的设计进行改良，降低车内噪声，还能确定扬声器的最佳位置，以便接收语音指示。6.1.2以人为本的汽车设计理念设计师还能利用数据分析做出决策，如赛车改良决策和影响消费者购买汽车的决策。例如，某车队设计的赛车在比赛中连续失利。为了弄清失利的原因，工程师为该车队的赛车配备了传感器，这种传感器能收集到20多种不同变量的数据，如轮胎温度和转向等。不过工程师们对这些数据进行了两年的分析，仍然无法弄清楚赛车手在比赛中失利的原因。6.1.2以人为本的汽车设计理念而数据分析公司EventHorizon也收集了同样的数据，但其对数据的处理方式完全不同。该公司没有从原始数字入手，而是通过可视化模拟来重现赛车改装后在比赛中的情况。通过可视化模拟，他们很快就了解到，赛车手转动方向盘和赛车启动之间存在一段滞后时间。赛车手在这段时间内会做出很多微小的调整，所有这些微小的调整加起来就占据了不少时间。由此可以看出，仅仅拥有真实的数据还远远不够。就大数据的设计和其他方面而言，能够以正确的方式观察数据至关重要。6.1.2以人为本的汽车设计理念大数据还能帮助我们设计更好的音乐厅。在20世纪末，哈佛大学的讲师萨宾开创了建筑声学这一新领域。研究之初，萨宾将福格演讲厅（听众认为其声学效果不明显）和附近的桑德斯剧院（声学效果显著）进行了对比。在助手的协助下，萨宾将坐垫之类的物品从桑德斯剧院移到了福格演讲厅，以判断这类物品对音乐厅的声学效果会产生怎样的影响。萨宾和他的助手在夜间开始工作，经过仔细测量后，他们会在早晨到来之前将所有物品放回原位，从而不影响两个音乐厅的日间运作。6.1.3寻找最佳音响效果经过大量的研究，萨宾对混响时间（或称“回声效应”）做出了这样一个定义：它是声音从其原始水平下降60dB所需的秒数。萨宾发现，声学效果最好的音乐厅的混响时间为2~2.25s。混响时间太长的音乐厅会被认为过于“活跃”，而混响时间太短的音乐厅会被认为过于“平淡”。

图6-2波士顿音乐厅6.1.3寻找最佳音响效果混响时间的长短主要取决于两个因素：房间的容积和总吸收面积或现有吸收面积。在福格演讲厅中，所听到的说话声大约能延长5.5s，萨宾减少了其回音效果并改善它的声学效果。后来，萨宾还参与了波士顿音乐厅（见图6-2）的设计。继萨宾之后，该领域开始呈现出蓬勃的发展趋势。如今，借助模型，数据分析师不仅对现有音乐厅的声学问题进行评估，也能模拟新音乐厅的设计。同时，还能对具有可重新配置几何形状及材料的音乐厅进行调整，以满足音乐或演讲等不同的用途，这就是其创新所在。6.1.3寻找最佳音响效果颇有意思的是，许多建于19世纪后期的古典音乐厅的音响效果可谓完美，而那些近期建造的音乐厅却达不到这种效果。这主要是因为如今的音乐厅渴望容纳更多的席位，同时还引进了许多新型建材，以使建筑师设计出几乎任何形状和大小的音乐厅，而不再受限于木材的强度和硬度。现在，建筑师正在试图设计新的音乐厅，以期能与波士顿和维也纳音乐大厅的音响效果匹敌。音质、音乐厅容量和音乐厅的形状可能会出现冲突。而通过利用大数据，建筑师可能会设计出跟以前类似的音响效果，同时还能使用现代化的建筑材料来满足当今的座席要求。6.1.3寻找最佳音响效果建筑师还在不断将数据驱动型设计推广至更广泛的领域。正如LMN建筑事务所的萨姆·米勒指出的，老建筑的设计周期是：设计、记录、构建和重复。只有经过多年的实践，你才能完全领会这一过程，一个拥有20多年设计经验的建筑师或许只见证过十几个这样的设计周期。随着数据驱动型架构的实现，建筑师已经可以用一种迭代循环过程来取代上述过程，这个迭代循环过程即模型、模拟、分析、综合、优化和重复。就像发动机设计人员可以使用模型来模拟发动机的性能一样，建筑师如今也可以使用模型来模拟建筑物的结构（见图6-3）。6.1.4建筑，数据取代直觉图6-3建筑轮廓数据6.1.4建筑，数据取代直觉据米勒讲，他的设计组只需短短几天的时间就可以模拟成百上千种设计，他们还可以找出哪些因素会对设计产生最大的影响。米勒说：“直觉在数据驱动型设计程序中发挥的作用在逐渐减少”，而建筑物的性能会更加良好。建筑师并不能保证研究和设计会花费多少时间，但米勒说，数据驱动型方法使这种投资变得更加有意义，因为它保证了公司的竞争优势。通过将数据应用于节能和节水的实践中，大数据也有助于绿色建筑的设计。6.1.4建筑，数据取代直觉通过评估基准数据，建筑师如今可以判断出某个特定的建筑物与其他绿色建筑的区别所在。美国环保署（EPA）的在线工具“投资组合经理”就应用了这一方法。它的主要功能是互动能源管理，可以让业主、管理者和投资者对所有建筑物耗费的能源和用水进行跟踪和评估。Safaira公司还设计了一种基于Web的软件，利用专业物理知识，能够提供设计分析、知识管理和决策支持，用户可以对不同战略设计中的能源、水、碳和经济利益进行测量和优化。6.1.4建筑，数据取代直觉PART02大数据操作回路几十年来，理解数据被认为是数据分析师、统计学家们的事情。业务经理要想提取数据，不仅要等IT部门收集到主要数据，还要等分析师们将数据汇聚并分析理解之后才能处理和发布。大数据应用程序的前景不仅是收集数据的能力，还有利用数据的能力，而且对数据的利用不需要采用只有统计学家们才会使用的一系列工具。数据驱动要求我们不仅要掌握数据，挑出数据，还必须基于相关数据来制订决策。既要有信心相信数据，也要有足够的信念，基于数据来进行决策。6.2大数据操作回路从历史的角度看，获取和处理数据都很麻烦，因为通常数据并不集中在一个地方。公司内部数据分布在一系列不同的数据库、数据存储器和文件服务器之中，而外部数据则分布在市场报告、网络以及其他难以获取数据的地方。大数据的挑战和优势就在于，它通常会将所有数据集中到一个地方，这就意味着有可能通过处理更多相关数据，得到更丰富的内涵——工程师们将这些数据称为信号，当然，这也意味着有更多的噪声——与结论不相关的数据和甚至会导致错误结论的数据。6.2.1信号与噪声如果计算机或人不能理解数据，那么仅仅将数据集中到一块也起不了什么作用。大数据应用程序有助于从噪声中提取信号，以加强我们对数据的信心，提升基于数据进行决策的信念。6.2.1信号与噪声在你第一次摸到滚烫的火炉的时候，第一次把手伸进电源盒的时候，或者第一次超速行驶的时候，你会经历一次反馈回路。不管你是否意识到，你都会进行测算并分析其结果，这个结果会影响你未来的行为。我们把这称之为“数据反馈回路”，而这也是成功的大数据应用程序的核心所在。

图6-4大数据反馈回路6.2.2大数据反馈回路通过测算，你会发现摸滚烫的火炉或者被电击让你感到疼痛，超速行驶给你招来昂贵的罚单或者车祸。不过，你要是侥幸逃过了这些，你可能会觉得超速行驶很爽。不管结果如何，所有的行为都会给你反馈。你会把这些反馈融入到你的个人数据图书馆中，然后根据这些数据，改变你未来的行为方式。你要是有过那么一次很愉快的超速行驶的经历，在未来，你可能会更多地选择超速行驶。6.2.2大数据反馈回路如果你有过被火炉烫到的不愉快的经历，你可能以后在摸火炉之前会先确认它是否烫手。当涉及大数据的时候，这种反馈回路至关重要。单纯动手收集和分析数据并不够，你还必须有从数据中得出一系列结论的能力以及对这些结论的反馈，以确认这些结论的正误。你的模型融入的数据越相关，就越能得到更多关于你的假设的反馈，因而你的见解也就越有价值。6.2.2大数据反馈回路过去运行这种反馈回路速度慢、时间长。比方说，我们收集销售数据，然后试图总结出能促进消费者购买的定价机制或产品特征。我们调整价格、改变产品特征并再次进行试验。问题就在于，当我们总结出分析结果，并调整了价格和产品的时候，情况又发生了变化。6.2.2大数据反馈回路大数据的好处在于，如今能够以更快的速度运行这种反馈回路。比方说，广告界的大数据应用程序需要通过提供多种多样的广告才能够得知哪个广告最奏效，这甚至能在细分基础上得以实现——它们能判断出哪个广告对哪种人群最奏效。人们没法做这种A或B的测算——展示不同的广告来知道哪个更好，或哪个见效更快。但是计算机能大量地进行这种测算，不仅在不同的广告中间进行选择，还能自行修订广告——不同的字体、颜色、尺寸或图片，以确定哪些最有效。这种实时反馈回路是大数据最具力量的一面，即大量收集数据并迅速就许多不同方法进行测算和行动的能力。6.2.2大数据反馈回路随着我们不断推进大数据，收集和存储数据不再是什么大问题了，相反，如何处理数据变成了一个棘手的问题。一个高效的反馈回路需要一个足够大型的测试装置——配有网站访问量、销售人员的号召力、广告的浏览量等。我们将这种测试装置称为“最小数据规模”，它是指要运行大数据反馈回路并从中得出有意义的洞悉所需要的最小数据量。

图6-5最小数据规模6.2.3最小数据规模最小数据规模意味着公司有足够的网站访问量、足够的广告浏览量，或者足够的销售前景信息，使得决策者能基于这些测试得出有效的结论并制订决策。当公司达到最小数据规模的要求时，它就可以利用大数据应用程序告知销售人员下一步应该打电话给谁，或确定哪个广告有助于实现最高的折现率，或者给读者推荐正确的电影或书籍。当公司的数据集如此巨大，已经变成一项竞争优势的时候，就会有像亚马逊、谷歌、阿里、腾讯这样的公司出现。6.2.3最小数据规模大数据应用程序的优势就在于它负责运行大数据的部分或全部反馈回路。一些大数据应用程序，比如说强大的分析和可视化应用，能把数据放在一个地方并让其可视，然后决定下一步该做什么。还有一些大数据应用程序可以自动测试新方法并决定下一步做什么，比如自动投放广告和网站优化。现今的大数据应用程序在实现全球数据规模最大化的过程中所起的作用并不大。但它们可以最大限度地优化当地的数据规模，使之最大化。它们能投放合适的广告、优化网页、告知销售人员电话营销的对象，还能在销售人员打电话的过程中告诉他应该说些什么。6.2.4大数据应用的优势PART03数字孪生数字孪生，又称数字镜像、数字化映射，是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

图6-6数字孪生6.3数字孪生数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，在产品设计、产品制造、医学分析、工程建设等领域应用较多。在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。6.3数字孪生最早，数字孪生思想由密歇根大学的迈克尔·格里夫斯命名为“信息镜像模型”，而后演变为术语“数字孪生”。数字孪生是在基于模型定义基础上深入发展起来的，企业在实施基于模型的系统工程的过程中产生了大量的物理的、数学的模型，这些模型为数字孪生的发展奠定了基础。2012年NASA给出了数字孪生的概念描述：是指充分利用物理模型、传感器、运行历史等数据，集成多学科、多尺度的仿真过程，它作为虚拟空间中对实体产品的镜像，反映了相对应物理实体产品的全生命周期过程。6.3.1数字孪生的原理为了便于数字孪生的理解，北京理工大学的庄存波等提出了数字孪生体的概念，认为数字孪生是采用信息技术对物理实体的组成、特征、功能和性能进行数字化定义和建模的过程。数字孪生体是指在计算机虚拟空间存在的与物理实体完全等价的信息模型，可以基于数字孪生体对物理实体进行仿真分析和优化。数字孪生是技术、过程、方法，数字孪体是对象、模型和数据。6.3.1数字孪生的原理进入21世纪，美国和德国均提出了“赛博-物理系统”（CPS），作为先进制造业的核心支撑技术。CPS的目标就是实现物理世界和信息世界的交互融合。通过大数据分析、人工智能等新一代信息技术在虚拟世界的仿真分析和预测，以最优的结果驱动物理世界的运行。数字孪生的本质就是在信息世界对物理世界的等价映射，因此数字孪生更好的诠释了CPS，成为实现CPS的最佳技术。6.3.1数字孪生的原理2011年，迈克尔·格里夫斯教授在《几乎完美：通过PLM驱动创新和精益产品》给出了数字孪生的三个组成部分：物理空间的实体产品、虚拟空间的虚拟产品、物理空间和虚拟空间之间的数据和信息交互接口。6.3.2数字孪生基本组成在2016西门子工业论坛上，西门子认为数字孪生的组成包括：产品数字化双胞胎、生产工艺流程数字化双胞胎、设备数字化双胞胎，数字孪生完整真实地再现了整个企业。庄存波等也从产品的视角给出了数字孪生的主要组成，包括：产品设计数据、产品工艺数据、产品制造数据、产品服务数据、以及产品退役和报废数据等，从产品的角度给出了数字孪生的组成，并且西门子以它的产品全生命周期管理系统为基础，在制造企业推广它的数字孪生相关产品。6.3.2数字孪生基本组成同济大学的唐堂等人提出数字孪生的组成应该包括：产品设计、过程规划、生产布局、过程仿真、产量优化等。该数字孪生的组成不仅包括了产品的设计数据，也包括了产品的生产过程和仿真分析，更加全面，更加符合智能工厂的要求。6.3.2数字孪生基本组成北京航空航天大学的陶飞等人从车间组成的角度给出了车间数字孪生的定义，其组成主要包括物理车间、虚拟车间、车间服务系统、车间孪生数据等几部分。物理车间是真实存在的车间，主要从车间服务系统接收生产任务，并按照虚拟车间仿真优化后的执行策略，执行完成任务；虚拟车间是物理车间的计算机内的等价映射，主要负责对生产活动进行仿真分析和优化，并对物理车间的生产活动进行实时的监测、预测和调控；车间服务系统是车间各类软件系统的总称，主要负责车间数字孪生驱动物理车间的运行，和接受物理车间的生产反馈。6.3.2数字孪生基本组成数字孪生最重要的意义在于，它实现了现实物理系统向赛博空间数字化模型的反馈。人们试图将物理世界发生的一切，塞回到数字空间中。只有带有回路反馈的全生命跟踪，才是真正的全生命周期概念。这样，就可以真正在全生命周期范围内，保证数字与物理世界的协调一致。各种基于数字化模型进行的各类仿真、分析、数据积累、挖掘，甚至人工智能的应用，都能确保它与现实物理系统的适用性。智能系统首先要感知、建模，然后才是分析推理。如果没有数字孪生对现实生产体系的准确模型化描述，所谓的智能制造系统就是无源之水，无法落实。6.3.2数字孪生基本组成美国国防部最早提出将数字孪生技术用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。数字孪生，有时候也用来指代将一个工厂的厂房及生产线，在没有建造之前就完成数字化模型。从而在虚拟的赛博空间中对工厂进行仿真和模拟，并将真实参数传给实际的工厂建设。而工房和生产线建成之后，在日常的运维中二者继续进行信息交互。6.3.3数字孪生的研究对于数字孪生的极端需求，同时也驱动着新材料开发，而所有可能影响到装备工作状态的异常，将被明确地进行考察、评估和监控。数字孪生正是从内嵌的综合健康管理系统集成了传感器数据、历史维护数据，以及通过挖掘而产生的相关派生数据。通过对以上数据的整合，数字孪生可以持续地预测装备或系统的健康状况、剩余使用寿命以及任务执行成功的概率，也可以预见关键安全事件的系统响应，通过与实体的系统响应进行对比，揭示装备研制中存在的未知问题。数字孪生可能通过激活自愈的机制或者建议更改任务参数来减轻损害或进行系统的降级，从而提高寿命和任务执行成功的概率。6.3.3数字孪生的研究实现数字孪生的许多关键技术都已经开发出来，比如多物理尺度和多物理量建模、结构化的健康管理、高性能计算等，但实现数字孪生需要集成和融合这些跨领域、跨专业的多项技术，从而对装备的健康状况进行有效评估，这与单个技术发展的愿景有着显著的区别。因此，可以设想数字孪生这样一个极具颠覆的概念，在未来可以预见的时间内很难取得足够的成熟度，建立中间过程的里程碑目标就显得尤为必要（见图6-7）。6.3.3数字孪生的研究

图6-7数字孪生的应用6.3.3数字孪生的研究图6-8所示为一个数字生产线的典型案例。数字孪生与数字生产线概念既相互关联，又有所区别。

图6-8数字生产线6.3.4数字孪生与数字生产线数字孪生是一个物理产品的数字化表达，以便于我们能够在这个数字化产品上看到实际物理产品可能发生的情况，与此相关的技术包括增强现实和虚拟现实。数字生产线在设计与生产的过程中仿真分析模型的参数，可以传递到产品定义的全三维几何模型，再传递到数字化生产线加工成真实的物理产品，通过在线的数字化检测/测量系统反映到产品定义模型中，进而又反馈到仿真分析模型中。

图6-9数据经由数字生产线流动6.3.4数字孪生与数字生产线依靠数字生产线，所有数据模型都能够双向沟通，因此真实物理产品的状态和参数将通过与智能生产系统集成的赛博-物理系统（CPS）向数字化模型反馈，致使生命周期各个环节的数字化模型保持一致，从而实现动态、实时评估系统的当前及未来的功能和性能。而装备在运行的过程中，又通过将不断增加的传感器、机器的联接而收集的数据进行解释利用，可以将后期产品生产制造和运营维护的需求融入到早期的产品设计过程中，形成设计改进的智能闭环。6.3.4数字孪生与数字生产线然而，并不是建立了这样的模型，就有了数字孪生；必须在生产中把所有真实制造尺寸反馈回模型，再用健康预测管理实时搜集飞机实际受力情况，反馈回模型，才有可能成为数字孪生。

图6-10数字孪生与数字生产线6.3.4数字孪生与数字生产线数字孪生描述的是通过数字生产线连接的各具体环节的模型。可以说数字生产线是把各环节集成，再配合智能的制造系统、数字化测量检验系统的以及赛博-物理系统融合的结果。通过数字生产线集成了生命周期全过程的模型，这些模型与实际的智能制造系统和数字化测量检测系统进一步与嵌入式的赛博-物理系统进行无缝的集成和同步，从而使我们能够在这个数字化产品上看到实际物理产品可能发生的情况。6.3.4数字孪生与数字生产线简单说，数字生产线贯穿了整个产品生命周期，尤其是从产品设计、生产、运维的无缝集成；而数字孪生更像是智能产品的概念，它强调的是从产品运维到产品设计的回馈。数字孪生是物理产品的数字化影子，通过与外界传感器的集成，反映对象从微观到宏观的所有特性，展示产品的生命周期的演进过程。当然，不止产品，生产产品的系统（生产设备、生产线）和使用维护中的系统也要按需建立数字孪生。6.3.4数字孪生与数字生产线PART04将数据转化为资产公司收集的大量数据称为“大数据资产”，将数据转化为优势的公司将有能力降低成本、提升价格、区分优劣、吸引更多顾客并最终留住更多顾客。这主要包含两层意思：第一，对初创公司来说，有大量机会能够使公司通过创建应用来实现竞争优势，且这种方法一经创建能立即被使用。公司无须自行创建这些可能性，它们能通过应用程序获取可能性。第二，将数据和依靠数据办事的能力作为核心资产的公司（不管是初创公司还是大型公司），相比并非如此的公司而言，有极大的竞争优势。6.4将数据转化为资产无论是与其他公司结成联盟，还是利用数据聚合商，如果自己的公司拥有原创数据的话，接下来就可以通过与其他公司的数据进行整合，来催生出新的附加价值，从而升华成为增值数据。这样能够产生相乘的放大效果，这也是大数据运用的真正价值之一。6.4.1将原创数据变为增值数据选择什么公司的数据与自己公司的原创数据整合，这需要想象力。在自己公司内部认为已经没什么用的数据，对于其他公司来说，很可能就是求之不得的宝贝。例如，耐克提供了一款面向iPhone的慢跑应用Nike+GPS。它可以通过使用卫星导航系统在地图上记录跑步的路线，将这些数据匿名化并进行统计，就可以找出跑步者最喜欢的路线。6.4.1将原创数据变为增值数据在体育用品店看来，这样的数据在讨论门店选址计划上是非常有效的。此外，在考虑具备淋浴、储物柜功能的收费休息区以及自动售货机的设置地点、售货品种时，这样的数据也是非常有用的。对于拥有原创数据的企业和数据聚合商来说，不应该将目光局限在自己的行业中，而应该以更加开阔的视野来制定数据运用的战略。6.4.1将原创数据变为增值数据我们已经见证了一系列新应用程序的诞生，而这些仅仅只是冰山一角。现在，很多应用程序都聚集在业务问题上，但是将来会出现更多的打破整个大环境和产业现状的应用程序。以治安系统为例，警察通过分析历史犯罪记录，预测犯罪即将发生的地点。然后，派警员到有可能发生犯罪的地方。事实证明，这有利于降低犯罪率。也就是说，只要在一天中适当的时间或者一周中适当的一天（这取决于历史数据分析），将警员安插在适当的地方，就能减少犯罪。通过分析处理犯罪活动这种类型的大数据，以使其能在这种特定用途上发挥效用。6.4.2大数据错生新的应用程序大数据催生了一系列新应用程序，这也意味着大数据不只为大公司所用，大数据将影响各种规模的公司，同时还会